دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Bennani. Younès, Habrard. Amaury, Morvant. Emilie, Redko. Ievgen, Sebban. Marc سری: Computer engineering series (London England) ISBN (شابک) : 9781785482366, 178548236X ناشر: ISTE Press Ltd ; Kidlington سال نشر: 2019 تعداد صفحات: 194 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب پیشرفت در نظریه سازگاری دامنه: الگوریتم های کامپیوتری، یادگیری ماشینی
در صورت تبدیل فایل کتاب Advances in domain adaptation theory به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در نظریه سازگاری دامنه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تئوری تطبیق دامنه: نتایج نظری موجود نتایج فعلی و پیشرفتهای را در مورد یادگیری انتقالی با تمرکز ویژه بر انطباق دامنه از دیدگاه نظری ارائه میدهد. کتاب با مروری کوتاه بر محبوبترین مفاهیم مورد استفاده برای ارائه تضمینهای تعمیم، از جمله بخشهایی در مورد Vapnik-Chervonenkis (VC)، Rademacher، PAC-Bayesian، استحکام و مرزهای مبتنی بر ثبات آغاز میشود. علاوه بر این، کتاب مشکل انطباق دامنه را توضیح میدهد و چهار خانواده اصلی از نتایج نظری را که در ادبیات وجود دارد، از جمله مرزهای مبتنی بر واگرایی، توصیف میکند. در مرحله بعد، کرانههای PAC-Bayesian مورد بحث قرار میگیرند، از جمله مرزهای PAC-Bayesian اصلی برای تطبیق دامنه و نسخه بهروز شده آنها. بخشهای اضافی تضمینهای تعمیم را بر اساس ویژگیهای استحکام و پایداری الگوریتم یادگیری ارائه میکنند. یک نمای کلی از نتایج کنونی در مورد یادگیری انتقالی ارائه می دهد. تمرکز بر انطباق زمینه از دیدگاه نظری چهار خانواده اصلی از نتایج نظری را در ادبیات خلاصه می کند نتایج موجود در مورد انطباق در زمینه را خلاصه می کند نکاتی را برای تحقیقات آینده ارائه می کند.
Domain Adaptation Theory: Available Theoretical Results gives current, state-of-the-art results on transfer learning, with a particular focus placed on domain adaptation from a theoretical point-of-view. The book begins with a brief overview of the most popular concepts used to provide generalization guarantees, including sections on Vapnik-Chervonenkis (VC), Rademacher, PAC-Bayesian, Robustness and Stability based bounds. In addition, the book explains domain adaptation problem and describes the four major families of theoretical results that exist in the literature, including the Divergence based bounds. Next, PAC-Bayesian bounds are discussed, including the original PAC-Bayesian bounds for domain adaptation and their updated version. Additional sections present generalization guarantees based on the robustness and stability properties of the learning algorithm. Gives an overview of current results on transfer learning Focuses on the adaptation of the field from a theoretical point-of-view Describes four major families of theoretical results in the literature Summarizes existing results on adaptation in the field Provides tips for future research
Cover......Page 1
Advances in Domain Adaptation Theory ......Page 3
Copyright_2019 ......Page 4
Abstract ......Page 5
Notations ......Page 7
Introduction ......Page 9
1 State of the Art of Statistical Learning Theory......Page 14
2 Domain Adaptation Problem......Page 33
3 Seminal Divergence-based Generalization Bounds......Page 49
4 Impossibility Theorems for Domain Adaptation......Page 70
5 Generalization Bounds with Integral Probability Metrics......Page 85
6 PAC–Bayesian Theory for Domain Adaptation......Page 103
7 Domain Adaptation Theory Based on Algorithmic Properties......Page 115
8 Iterative Domain Adaptation Methods......Page 131
Conclusions and Discussions......Page 144
Appendix 1. Proofs of the Main Results of Chapter 3......Page 146
Appendix 2. Proofs of the Main Results of Chapter 4......Page 160
Appendix 3. Proofs of the Main Results of Chapter 5......Page 172
Appendix 4. Proofs of the Main Results of Chapter 6......Page 178
Appendix 5. Proofs of the Main Results of Chapter 8......Page 181
References ......Page 184
Index......Page 193